Olá pessoal! Eu gostaria de falar sobre o projeto
EyeWire aqui. Mas primeiro, algumas palavras sobre o que constitui a ciência "social" (ciência do cidadão).
Muitos de vocês se lembram de uma plataforma como o BOINC (
um artigo sobre Geektimes ,
notícias sobre o BOINC para Android ). Agora, parece que sua popularidade diminuiu, mas vários projetos ainda estão ativos, por exemplo, o
Einstein @ Home - a busca por ondas gravitacionais de objetos compactos, de acordo com dados do telescópio
LIGO . A essência da participação foi instalar software que processa cálculos para um ou vários projetos no seu computador e enviar os resultados ao servidor. O poder total de computação de muitos computadores de mesa é bastante grande, mas um pouco inferior aos principais supercomputadores. Por exemplo, em 2013, a plataforma BOINC tinha uma velocidade de cerca de 9 PFlops e o mais novo supercomputador (Tianhe-2) - 33 PFlops, ou seja, 3,5 vezes mais rápido. Hoje, a diferença é um pouco maior: no BOINC, a velocidade dobrou (até 18 PFlops), e os supercomputadores já chegaram perto da marca dos 100 PFlops e estão sendo projetados exaflops-supercomputadores (1 EFlops = 1000 PFlops = 1.000.000 TFlops). No entanto, foram apresentados alguns resultados do cálculo e, se desejar, analisarei esses resultados e sua aplicação no mundo real.
Uma alternativa à doação de tempo no computador é uma participação mais ativa de uma pessoa nos projetos. Um exemplo dessa manifestação da ciência "social" são os projetos GalaxyZoo. O projeto começou em 2007 e ainda tem um número bastante grande de fãs. Agora eu não estava procurando números, mas vários projetos notaram um excesso significativo de atividade em relação ao esperado - por exemplo, o primeiro projeto de classificação tinha cerca de 70.000 classificações por hora. Esses projetos usam principalmente a capacidade do cérebro humano de encontrar padrões (imagens semelhantes a outras). Embora o programa precise prescrever toda a lógica de avaliação, geralmente em pequenos detalhes, uma pessoa pode avaliar a imagem "em sua totalidade", ignorando os defeitos da imagem e a incompatibilidade do eixo do objeto exibido com o plano da imagem (em outras palavras, quando o objeto é implantado no espaço e é visível de lado ou em algum ângulo). Acredita-se que pessoas simples treinadas por exemplos, que não possuem formação acadêmica, possam tirar conclusões sobre o conteúdo das imagens (por exemplo, para distinguir uma galáxia elíptica de uma galáxia espiral) não estatisticamente pior do que os próprios cientistas. Inicialmente, os projetos do Galaxy Zoo eram de natureza astronômica e, mais tarde, no mesmo mecanismo, um grande número de projetos foi lançado
de outras áreas da ciência - desde a pesquisa de habitantes marinhos ou animais em fotografias até a leitura de registros de navios da Marinha Real Britânica (o próprio projeto, Old Weather, tinha o objetivo de restaurar dados meteorológicos do início do século XX).
Finalmente, o projeto sobre o qual quero falar envolve o participante em uma extensão muito maior - ele faz parte do jogo (com um "quadro de honra" indispensável e todos os tipos de emblemas de status), parte da rede social (um bate-papo bastante ativo com boas discussões sobre do que fazemos, bem como através de discussões sobre a vida) e parte da ciência (com publicações científicas com o co-autor indispensável do Dr. The EyeWirers).
O EyeWire é um projeto para restaurar a estrutura 3D e a conectividade dos neurônios no cérebro de um mouse, ou melhor, a parte dele que está conectada ao olho (a chamada "conexão"). Claro, eu gostaria de saber como essa parte do cérebro é organizada em uma pessoa, mas o cérebro dele é muito mais complicado e, mais importante, ninguém cortará um cérebro saudável em fatias. Como o Galaxy Zoo, o EyeWire não possui uma fase de leitura longa das instruções - você pode iniciá-lo alguns minutos após o registro (você não será solicitado a nada além de login, senha e email).
O grande botão verde "Começar a Jogar" - e avançar, para o caminho da ciência! Aqui está uma captura de tela da interface no modo "navegar".
À esquerda está o mesmo botão, no centro da visualização 3D de uma célula simples (aqui para uma piada chamada "bigode" - célula de bigode inglesa), à direita há uma "placa de honra". Depois de entrar no modo de jogo, você entra em um dos “cubos” selecionados arbitrariamente - áreas do conjunto de dados em que os ramos (dendritos) da nossa célula estão localizados.
O mecanismo de jogo, com base nos dados dos "cubos" dos vizinhos, constrói um modelo preliminar da parte do dendrito que passa pelo "cubo". Você pode ver bordas afiadas, falésias - isso é típico para um modelo incompleto. Nossa tarefa é precisamente completá-la. É importante como pintar com a maior precisão possível as áreas relacionadas ao dendrito (porque qualquer um deles pode dar origem a outro processo) e tentar não capturar os dados extras; caso contrário, incluiremos no modelo um pedaço de dendrito de uma célula completamente diferente (isso é chamado de "mesclagem" - inglês fusão). Por conveniência, o modelo é visualizado imediatamente quando você adiciona um fragmento ao plano. A primeira figura mostra que o campo preenchido possui um espaço, também o preencheremos, mas mais importante, outra área que nos permitirá concluir o dendrito. Aqui está:
Após a pintura, a primeira parte aparece:
Em seguida, adicionamos o restante, clicando em outras áreas claras e sem deixar as linhas pretas (bordas de dendrite no corte) Para garantir que o modelo esteja completo, vá mais alto ou mais baixo no plano, se necessário, altere o plano para outro (usando o botão da barra de ferramentas à direita canto superior ou D). Vista final:
Nós enviamos um cubo. Ganhamos pontos e passamos para o próximo cubo. Para iniciantes, os autores do EyeWire criaram um script interativo especial que mostra a correção do trabalho em tempo real (e não após o envio do cubo), isso simplifica o estágio inicial. Se você trabalha bem com estruturas 3D e é muito fácil para você, não se preocupe: apenas células simples estão disponíveis para iniciantes, mas você pode escolher outra e, após um cenário de treinamento adicional, trabalhar em células do segundo tipo:
Eu acho que isso é suficiente pela primeira vez. Ficarei feliz em vê-lo no vasto EyeWire! Se houver interesse no artigo, posso falar um pouco mais sobre o que acontece depois que o modelo de célula é construído, bem como sobre partes ainda mais complexas do jogo - onde escoteiros procuram galhos ou mesclas ausentes e a foice "limpa" dados para o resultado final.
Para aqueles que estão interessados: além do EyeWire, há um projeto
Mozak Brainbuilder (encontrado durante a preparação do artigo) - atualmente na versão beta, propõe-se construir modelos de neurônios desenhando linhas quebradas da foto, os detalhes são muito menores que o EyeWire, mas os requisitos não são tão significativos. Há também um projeto para procurar estruturas 3D das proteínas
Fold.It para um direcionamento mais preciso dos medicamentos.
Obrigado pela atenção!
UPD: Maior eficiência.
UPD2: Obrigado
Mad__Max , bug corrigido em unidades de medição de desempenho de supercomputadores